Livro

Engenharia de IA

Construindo aplicativos com modelos de base

Chip Huyen

O’Reilly, 2025

Compre o livro

Leia, escute ou debata

Amazon Kindle Debater

1×

تسجيل الدخول للاستماع إلى ملخص الصوت.

Avaliação Editorial

في getAbstract، نقوم بتلخيص الكتب* التي تساعد الناس على فهم العالم وجعله أفضل. أي شيء نختاره لمكتبتنا يجب أن يتفوق في أحد هذين المعيارين الأساسيين:

تنويري – ستتعلم أشياء ستثري وتحسن قراراتك.

مفيد – ستحصل على نصائح عملية ستساعدك على التحسن في ما تفعله.

نقوم بتقييم كل محتوى على مقياس من 1-10 فيما يتعلق بهذين المعيارين الأساسيين. يساعدك تقييمنا في ترتيب العناوين في قائمة قراءتك من الجيد (5) إلى الرائع (10). الكتب التي نقيمها بأقل من 5 لن يتم تلخيصها. إليك ما تعنيه التقييمات:

10 – رائع. كتاب مفيد و/أو تنويري، بالإضافة إلى تلبية أعلى المعايير في جميع الجوانب ذات الصلة، يبرز حتى بين الأفضل. غالبًا ما يكون كلاسيكيًا فوريًا وضروريًا للجميع.
9 – ممتاز. كتاب مفيد و/أو تنويري يتميز بتوازن كبير، وله العديد من النقاط القوية ولا توجد عيوب تستحق الذكر.
8 – جيد جدًا. كتاب مفيد و/أو تنويري يحتوي على عدد كبير من الصفات البارزة دون التفوق في جميع الجوانب، مثل تقديم أحدث الاكتشافات في مجال موضوعي ويكتبه خبير مشهور ولكنه يفتقر قليلاً إلى الأسلوب.
7 – جيد. كتاب مفيد و/أو تنويري يجمع بين قوتين أو أكثر من النقاط القوية الملحوظة، مثل احتوائه على أفكار جديدة بشكل غير معتاد وتقديمها بطريقة جذابة.
6 – ملحوظ. كتاب مفيد و/أو تنويري يبرز في جانب واحد على الأقل، مثل كونه منظمًا بشكل جيد بشكل خاص.
5 – جيد. كتاب مفيد و/أو تنويري، على الرغم من عيوبه الواضحة. على سبيل المثال، قد يقدم نصائح جيدة في بعض المجالات بينما يكون متكررًا أو غير ملحوظ في أخرى.

*getAbstract يلخص أكثر بكثير من الكتب. نحن ننظر إلى كل نوع من المحتوى الذي قد يهم جمهورنا: الكتب، ولكن أيضًا المقالات، والتقارير، ومقاطع الفيديو، والبودكاست. ما نقوله هنا عن الكتب ينطبق على جميع الصيغ التي نغطيها.

Qualidades

Analítico
Baseado na Ciência
Aplicável

بينما يخبرك التقييم بمدى جودة الكتاب وفقًا لمعيارين أساسيين لدينا، فإنه لا يقول شيئًا عن ميزاته المحددة. لذلك، نستخدم مجموعة من 20 صفة لتوصيف كل كتاب بناءً على نقاط قوته:

قابل للتطبيق – ستحصل على نصائح يمكن تطبيقها مباشرة في مكان العمل أو في المواقف اليومية.
تحليلي – ستفهم الآليات الداخلية للموضوع.
خلفية – ستحصل على معرفة سياقية كإطار للعمل أو التحليل المستنير.
جريء – ستجد حججًا قد تخالف الآراء السائدة.
شامل – ستجد كل جانب من جوانب الموضوع مغطى.
أمثلة ملموسة – ستحصل على نصائح عملية موضحة بأمثلة من تطبيقات واقعية أو حكايات.
جدلي – ستواجه آراء مثيرة للجدل بشدة.
بليغ – ستستمتع بنص مكتوب أو مقدم ببراعة.
جذاب – ستقرأ أو تشاهد هذا حتى النهاية.
مفتوح للعين – ستُعرض عليك رؤى مفاجئة للغاية.
للمبتدئين – ستجد هذا مقدمة جيدة إذا كنت متعلمًا بقليل من الخبرة أو المعرفة السابقة.
للخبراء – ستحصل على المعرفة/التعليمات المتقدمة التي تحتاجها كخبير.
موضوع ساخن – ستجد نفسك في وسط قضية مثيرة للجدل بشدة.
مبتكر – يمكنك توقع بعض الأفكار والرؤى الجديدة حقًا حول المنتجات أو الاتجاهات الجديدة.
رؤية من الداخل – ستحظى بامتياز التعلم من شخص يعرف موضوعه بشكل كامل.
ملهم – سترغب في تطبيق ما قرأته فورًا.
نظرة عامة – ستحصل على معالجة شاملة للموضوع، تذكر جميع جوانبه الرئيسية.
علمي – ستحصل على حقائق وأرقام مستندة إلى بحث علمي.
رؤيوي – ستحصل على لمحة عن المستقبل وما قد يعنيه لك.
منظم جيدًا – ستجد هذا منظمًا بشكل خاص لدعم استقباله أو تطبيقه.

Recomendação

Vários modelos de base de IA prontamente disponíveis podem ser aplicados a uma infinidade de utilizações. Esses modelos permitem que mesmo aqueles com relativamente pouco conhecimento técnico ou experiência com IA construam produtos de IA. A cientista da computação Chip Huyen ensina você a adaptar um modelo às suas necessidades específicas e escolher um modelo que funcione melhor no seu caso.

Resumo

A engenharia de IA difere da engenharia tradicional de aprendizado das máquinas.

O que distingue a IA hoje das versões anteriores é a sua escala. Aplicativos como ChatGPT, Gemini e Midjourney consomem quantidades significativas de eletricidade e são treinados em quantidades impressionantes de dados. Esses modelos de IA poderosos podem executar inúmeras aplicações, aumentando o seu valor econômico – e, em última análise, melhorando a vida das pessoas.

O treinamento de IAs de grandes modelos de linguagem (LLM) requer enormes quantidades de dados e poder computacional. Poucas empresas conseguem atender a essa demanda. A diferença entre os LLMs atuais e os modelos de linguagem anteriores é a “autossupervisão”: algoritmos de modelos de linguagem mais antigos precisavam de dados especificamente rotulados – o que pode levar muito tempo e recursos para serem coletados. A supervisão envolve marcar dados com comportamento e outros recursos que você deseja que um modelo aprenda e depois os utilizar para consolidar o resultado. Após a conclusão do treinamento, o modelo pode aplicar o que aprendeu com os conjuntos de dados marcados para analisar os dados em geral, acelerando...

Sobre o autor

Chip Huyen é escritora e cientista da computação que atua na interseção entre IA, dados e storytelling. Ela trabalhou com a Snorkel AI e a NVIDIA, fundou uma startup de infraestrutura de IA e ensinou design de sistemas de aprendizado das máquinas na Universidade de Stanford.